Fugu-MT 論文翻訳(概要): Modeling Barrett's Esophagus Progression using Geometric Variational Autoencoders

論文の概要: Modeling Barrett's Esophagus Progression using Geometric Variational Autoencoders

arxiv url: http://arxiv.org/abs/2303.12711v3
Date: Mon, 16 Jun 2025 13:45:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-18 15:22:18.830416
Title: Modeling Barrett's Esophagus Progression using Geometric Variational Autoencoders
Title（参考訳）: 幾何学的変分オートエンコーダを用いたバレット食道進行のモデル化
Authors: Vivien van Veldhuizen, Sharvaree Vadgama, Onno J. de Boer, Sybren Meijer, Erik J. Bekkers,
Abstract要約: バレット食道(BE)の早期発見は食道癌を効果的に予防し治療するために重要である。 S-VAEとShape Kendall VAEは,分類精度,再構成損失,生成能力の向上を示した。
参考スコア（独自算出の注目度）: 6.72834963752212
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Early detection of Barrett's Esophagus (BE), the only known precursor to Esophageal adenocarcinoma (EAC), is crucial for effectively preventing and treating esophageal cancer. In this work, we investigate the potential of geometric Variational Autoencoders (VAEs) to learn a meaningful latent representation that captures the progression of BE. We show that hyperspherical VAE (S-VAE) and Kendall Shape VAE show improved classification accuracy, reconstruction loss, and generative capacity. Additionally, we present a novel autoencoder architecture that can generate qualitative images without the need for a variational framework while retaining the benefits of an autoencoder, such as improved stability and reconstruction quality.
Abstract（参考訳）: 食道腺癌(EAC)の唯一の前駆体であるバレット食道(BE)の早期発見は,食道癌を効果的に予防し治療するために重要である。本研究では、BEの進行を捉える有意義な潜在表現を学習するために、幾何変分オートエンコーダ(VAE)の可能性を検討する。また,超球面VAE(S-VAE)とKendall Shape VAEは,分類精度,再構成損失,生成能力の向上を示した。さらに,安定性の向上や復元品質の向上など,オートエンコーダのメリットを維持しつつ,変動フレームワークを必要とせずに定性的な画像を生成することのできる,新しいオートエンコーダアーキテクチャを提案する。

関連論文リスト

Inpainting Pathology in Lumbar Spine MRI with Latent Diffusion [4.410798232767917]
病理組織学的特徴をMRIで健全な解剖学的特徴に塗布する効率的な方法を提案する。腰椎椎間板ヘルニアと中心管狭窄に対し,T2 MRIにて椎間板ヘルニアを挿入する能力について検討した。
論文参考訳（メタデータ） (2024-06-04T16:47:47Z)
Mitigating annotation shift in cancer classification using single image generative models [1.1864334278373239]
本研究は乳房マンモグラフィー領域における癌分類におけるアノテーションシフトをシミュレートし,解析し,緩和する。本研究では, 影響のあるクラスに対して, 単一画像生成モデルに基づくトレーニングデータ拡張手法を提案する。本研究は、深層学習乳癌分類におけるアノテーションシフトに関する重要な知見を提供し、ドメインシフトの課題を克服するための単一画像生成モデルの可能性を探る。
論文参考訳（メタデータ） (2024-05-30T07:02:50Z)
MLVICX: Multi-Level Variance-Covariance Exploration for Chest X-ray Self-Supervised Representation Learning [6.4136876268620115]
MLVICXは、胸部X線画像からの埋め込みの形でリッチな表現をキャプチャするアプローチである。自己教師付き胸部X線表現学習におけるMLVICXの性能を示す。
論文参考訳（メタデータ） (2024-03-18T06:19:37Z)
Shape Matters: Detecting Vertebral Fractures Using Differentiable Point-Based Shape Decoding [51.38395069380457]
変性性脊椎疾患は高齢者に多い。骨粗しょう性骨折やその他の変性変形性骨折のタイムリーな診断は、重度の腰痛や障害のリスクを軽減するための前向きな処置を促進する。本研究では,脊椎動物に対する形状自動エンコーダの使用について検討する。
論文参考訳（メタデータ） (2023-12-08T18:11:22Z)
Guided Reconstruction with Conditioned Diffusion Models for Unsupervised Anomaly Detection in Brain MRIs [35.46541584018842]
Unsupervised Anomaly Detection (UAD) は、正常なトレーニング分布から異常を外れ値として識別することを目的としている。生成モデルは、与えられた入力画像に対する健康な脳解剖の再構築を学ぶために使用される。本稿では,入力画像の潜在表現から得られた付加情報を用いて拡散モデルの復調過程を条件付けることを提案する。
論文参考訳（メタデータ） (2023-12-07T11:03:42Z)
Riemannian Prediction of Anatomical Diagnoses in Congenital Heart Disease based on 12-lead ECGs [2.090217662115913]
先天性心疾患(英: Congenital heart disease、CHD)は、出生時の患者に影響を及ぼし、非常に異質な解剖学的、機能的欠陥をもたらす比較的稀な疾患である。 12誘導ECGシグナルは、疾患予後のための重要なバイオマーカーを提供するため、CHD患者で定期的に収集される。
論文参考訳（メタデータ） (2023-11-27T13:40:27Z)
Variational Autoencoders for Feature Exploration and Malignancy Prediction of Lung Lesions [0.0]
肺がんはイギリスで21%のがん死の原因となっている。最近の研究は、定期的なスキャンから肺がんの正確な早期診断のためのAI手法の能力を実証している。本研究では, 変異型オートエンコーダ(VAE)の肺癌病変に対する応用について検討した。
論文参考訳（メタデータ） (2023-11-27T11:12:33Z)
Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
論文参考訳（メタデータ） (2023-03-21T17:16:01Z)
Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。既存のディープラーニングベースの手法は、有望な再構築性能を得た。本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
論文参考訳（メタデータ） (2022-12-26T13:56:12Z)
Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文参考訳（メタデータ） (2021-09-08T07:56:51Z)
Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文参考訳（メタデータ） (2021-02-26T02:29:30Z)
Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
論文参考訳（メタデータ） (2020-07-24T14:02:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。